Évolution des agents AI: des assistants virtuels aux "travailleurs auto-empreints"

L’intelligence artificielle évolue de simple « Copilote » à un vrai « pilote automatique ». Le développement de l’IA génératif est de plus en plus axé sur « l’IA agentique »: l’utilisation d’agents intelligents capables d’effectuer des tâches indépendamment, dans des paramètres définis ou pour atteindre des objectifs déterminés par l’utilisateur.

Une technologie en constante évolution

Les Agers ne sont pas nouveaux, mais ils deviennent de plus en plus sophistiqués. Dans leur forme la plus simple, ce sont des outils prévus pour des tâches telles que la réponse aux questions après un script, comme le font les chatbots ou récupérer des informations sur le Web. Ces systèmes réactifs n’agissent pas indépendamment sans entrées externes.

Cependant, il existe également des agents plus complexes et adaptatifs, présents pendant un certain temps dans des domaines tels que le contrôle des thermostats domestiques ou l’automatisation industrielle. Aujourd’hui, grâce aux grands modèles linguistiques (LLM), ces agents peuvent analyser les données, apprendre et prendre des décisions d’une manière de plus en plus articulée et autonome.

Intelligence contextuelle et compétences prédictives

L’utilisation de réseaux de neurones et l’apprentissage automatique avancé permet aux agents de comprendre le contexte, de répondre aux situations dynamiques, d’apprendre de l’expérience et de résoudre les problèmes stratégiques. Ils peuvent être instruits via des commandes simples en langage naturel et fonctionnent sans interventions utilisateur continues. De plus, ils peuvent être conçus pour contrôler mutuellement, améliorant la qualité et la fiabilité avec les processus itératifs.

Les fondements de la nouvelle génération d’agents

Plusieurs facteurs ont rendu les agents aux plus complexes mais aussi plus accessibles. L’interface en langage naturel, offerte par l’IA générative, a élargi l’utilisation de l’IA aux utilisateurs moins expérimentés. Selon Google: « L’IA génératrice n’est qu’une pièce du puzzle dell’as. D’autres technologies, telles que prédictive, visuelle I, sont fondamentales pour construire des agents sophistiqués ».

Grâce aux progrès du calcul et de la puissance de la mémoire, les modèles linguistiques sont de plus en plus performants. Comprendre le contexte et la planification se sont améliorés, ainsi que la capacité de stocker les interactions, accélérer le développement grâce à l’expansion de la base d’utilisateurs.

De la théorie à la pratique: le battage médiatique ou la réalité?

Agers à accélérer l’analyse et les décisions, en prenant des tâches répétitives, mais ne sont pas encore complètement autonomes. Cassie Kozyrkov Il dit que leur rôle actuel est de remplacer les processus « bien compris et bien conçus qui ne nécessitent pas » une touche créative « .

Pascal Bornet Il met en évidence un « écart significatif » entre le battage médiatique et la réalité. Même avec des directives claires, les systèmes ne sont pas en mesure d’effectuer des tâches complexes indépendamment dans des situations nouvelles ou nuancées. Cependant, « Le domaine progresse rapidement ». Bornet compare le développement aux stades de l’autonomie dans les voitures: les agents aujourd’hui fonctionnent entre les niveaux deux et trois, avec certains systèmes spécialisés au niveau quatre. Le niveau cinq reste toujours théorique.

Applications transversales dans l’entreprise

Selon Bornet, « L’Agenza AI ne viendra pas pour un (seul) département, mais pour tout le monde. Chaque flux de travail en frottement est un cas d’utilisation qui attend d’être transformé ». Les agents sont désormais principalement utilisés dans les rôles internes, pour améliorer l’efficacité et réduire les coûts.

Un rapport en 2025 de UK Finance and Accenture indique que les applications actuelles visent principalement à « Productivité, efficacité et amélioration de l’expérience des clients et des collègues »avec une surveillance constante par un superviseur humain. Les fonctions commerciales avec une plus grande adoption comprennent: le service client, les opérations internes, les ventes et le marketing.

Des assistants virtuels aux agents au service client, au codage et au marketing

Dans le service client, les agents les plus avancés peuvent stocker des interactions passées et fournir des réponses mises à jour et contextuelles. LE’Applications Volkswagen Myvwpris en charge par Google Gemini, est un exemple d’assistant virtuel avancé.

En codage, les avantages sont bien documentés. Lenovo Il a déclaré une amélioration de 10% de la qualité et de la vitesse de production du code. Kozyrkov observe: « Vous parlez votre langue maternelle et travaille. « Mais prévient: » Maintenant, il est possible de programmer une voiture sans y penser, il n’est donc pas surprenant que des conséquences indésirables se produisent « .

Dans le marketing, des agents tels que celui développé par Antavo pour ses clients aident à planifier et à optimiser les campagnes de fidélité, suggérant des actions basées sur des données et des graphiques, également pour soutenir les équipes du service client.

Autres domaines d’utilisation

Les agents de l’IA sont également utilisés dans:

Ressources humaines: Sélection, réunions, rétention, formation.
Assistance virtuelle: e-mail standard, réunions, documents de recherche (Claude di anthropic).
Finance: Décisions commerciales, stratégies d’investissement, détection de fraude.
Soins de santé: Diagnostic, surveillance, chirurgie assistée, prévention postopératoire.
Légal: Rédaction des contrats, conseil, fourniture de résultats judiciaires.
Fabrication et logistique: qualité, maintenance, camions autonomes (innovation Aurora).
Vente au détail: Gestion des stocks, prévisions de demande.

Défis et limites des agents AI

De nombreuses entreprises ayant des infrastructures obsolètes ou des données incohérentes ont du mal à progresser. La prolifération du contenu généré par LLM (« Sols ») peut aggraver les problèmes de qualité des données. Deuxième Œilune solution possible est l’utilisation de sources dynamiques, telles que les appareils portables.

Bornet met en évidence l’absence de protocoles standard comme un obstacle aux systèmes multi-agents. Mais Kecsmar est confiant: « Les agents développés autour des compétences en échange de données pourront créer leur propre échange de données « .

Sécurité, confiance et implications éthiques

Kozyrkov prévient: « La règle de l’or de l’IA est qu’elle fait des erreurs « . Et dans les secteurs financiers: » L’automatisation totale du secteur des services financiers est une idée terrible « . L’accès étendu aux données augmente les risques de sécurité et d’attaque informatique. Il est nécessaire de limiter l’accès et de ne pas configurer les agents de données sensibles.

Il existe également des problèmes éthiques et de responsabilité, en particulier lorsque les agents agissent sans supervision. L’Université de Cambridge prévient qu’ils pourraient bientôt « prédire nos habitudes et nos modèles de dépenses et les influencer ou les manipuler ».

Comment adopter des agents ai

Selon Bornet, il est essentiel de commencer par les besoins de l’entreprise et de choisir le bon niveau pour chaque fonction: « Ils pourraient choisir des agents de niveau un ou deux pour le traitement des transactions … (e) De niveau trois agents pour le service client ».

Garder la fonction des agents aussi simple que possible réduit le risque d’erreurs. Nous avons besoin de transparence, de gouvernance et de gestion du changement pour éviter des problèmes tels que l’anxiété chez les travailleurs ou les dommages de réputation.

Kozyrkov ajoute: « Il ne ferait pas confiance à l’humain le plus intelligent pour tout faire, alors pourquoi devriez-vous faire confiance à une IA? « . Et il prévient que l’élimination des travailleurs humains trop rapidement peut entraîner des conséquences non attendues.

Vers les entreprises natives

Klarna Il a déjà déclaré qu’il pourrait faire de moitié de moitié sur la main-d’œuvre grâce à l’IA. Pour cela, les startups qui sont nés « A-Natives » auront un avantage concurrentiel. Kecsmar explique que Antavo a construit son agent à partir de cette approche: « L’agent analyse les objectifs d’une marque et élabore un plan d’exécution « .

À l’avenir, les agents pourront « Parlant entre eux » Grâce à une couche d’orchestration, collaborant entre spécialistes du marketing, loyauté et magasin. Cela pourrait mettre le CRM et les systèmes logistiques actuels en crise.

Conclusion: une occasion d’être saisie avec sensibilisation

Les agents pour d’énormes potentiels, mais une stratégie basée sur les besoins concrètes et sur une gestion consciente des risques est nécessaire. Bornet résume ceci: « Les agents de l’IA créent ce que nous appelons » des avantages d’intelligence composés « ». Kozyrkov conclut: « Les agents de l’IA aideront vraiment ceux qui savent ce qu’ils doivent faire, quelle attente a-t-il quand il aura fini et a un moyen de limiter les surprises ».

Les entreprises qui adopteront pour les premiers agents avancées bénéficieront d’avantages concurrentiels importants, tandis que ceux qui attendent risque de rester.